JP2018081428A - Monitoring apparatus, monitoring program, and monitoring method - Google Patents

Monitoring apparatus, monitoring program, and monitoring method Download PDF

Info

Publication number
JP2018081428A
JP2018081428A JP2016222342A JP2016222342A JP2018081428A JP 2018081428 A JP2018081428 A JP 2018081428A JP 2016222342 A JP2016222342 A JP 2016222342A JP 2016222342 A JP2016222342 A JP 2016222342A JP 2018081428 A JP2018081428 A JP 2018081428A
Authority
JP
Japan
Prior art keywords
failure
physical machine
monitoring
recovery
machine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016222342A
Other languages
Japanese (ja)
Other versions
JP6984119B2 (en
Inventor
若林 理
Osamu Wakabayashi
理 若林
友泰 鈴木
Tomoyasu Suzuki
友泰 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Oki Electric Industry Co Ltd
Original Assignee
Oki Electric Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Oki Electric Industry Co Ltd filed Critical Oki Electric Industry Co Ltd
Priority to JP2016222342A priority Critical patent/JP6984119B2/en
Publication of JP2018081428A publication Critical patent/JP2018081428A/en
Application granted granted Critical
Publication of JP6984119B2 publication Critical patent/JP6984119B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Hardware Redundancy (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a monitoring apparatus capable of efficiently monitoring a virtual infrastructure to detect failures.SOLUTION: A monitoring apparatus according to the present invention monitors a failure of a first physical machine on which a virtual machine operates, and when detecting the failure, moves the virtual machine on the first physical machine to a second physical machine to perform failure recovery. The monitoring apparatus comprises: (1) reception means for receiving a notification indicating the failure actively transmitted from the first physical machine; (2) determination means for determining, when receiving the notification indicating the failure, that it is the failure of the first physical machine on the basis of a parameter of the notification indicating the failure and a pre-registered failure condition; and (3) failure recovery means for moving the virtual machine on the first physical machine to the second physical machine to perform the failure recovery when it is determined that it is the failure of the first physical machine by the determination means.SELECTED DRAWING: Figure 1

Description

本発明は、監視装置、監視プログラム、及び監視方法に関し、例えば、仮想環境を構成する基盤ソフト(ハイパバイザー)/ハード(物理マシン:PM)を監視する監視装置に適用できる。   The present invention relates to a monitoring device, a monitoring program, and a monitoring method, and can be applied to, for example, a monitoring device that monitors base software (hypervisor) / hardware (physical machine: PM) that constitutes a virtual environment.

近年、サーバ装置(例えば、SIP(Session Initiation Protocol)サーバ)等において、仮想化技術が広く適用されている。仮想化技術は、余剰リソースを有効活用する手法を提供する。仮想化技術の適用により、物理的な構成にとらわれずに、負荷に応じてサーバの機能を実行する仮想マシン(VM)間で動的なリソースの配分を行い、ハードウェアの処理能力を最大限に発揮させる仮想環境が構築される。   In recent years, virtualization technology has been widely applied to server devices (for example, SIP (Session Initiation Protocol) server). Virtualization technology provides a method for effectively utilizing surplus resources. By applying virtualization technology, regardless of the physical configuration, the resources are dynamically allocated among virtual machines (VMs) that execute server functions according to the load, thereby maximizing the processing capacity of hardware. A virtual environment to be demonstrated is constructed.

ところで、仮想環境では、仮想化基盤を構成するハードウェア(PM)の障害が、複数のサービスコンポーネント(仮想マシン)のサービス停止につながる可能性がある。   By the way, in a virtual environment, a failure of hardware (PM) that constitutes a virtualization infrastructure may lead to a service stop of a plurality of service components (virtual machines).

そのため、仮想環境では、ハードウェア障害の発生を監視し、自動でハードウェア障害発生を検出して、障害が発生したPMで動作していた仮想マシンを、別のPMにて復旧(PMヒーリング)する、自動復旧機能が存在する(特許文献1参照)。   Therefore, in a virtual environment, the occurrence of a hardware failure is monitored, the occurrence of a hardware failure is automatically detected, and the virtual machine that was running on the failed PM is restored with another PM (PM healing) There is an automatic recovery function (see Patent Document 1).

一般的に、自動復旧機能は、(1)障害の検知(2)障害原因がPMの故障であることの確認(3)壊れたPMの電源の切断(4)予備のPMから一台、復旧用のPMを選択(5)故障したPM上の仮想マシンを復旧用PMに移動(6)仮想マシン上で稼働するべきプログラム類の起動の6つの処理(機能)により実現されている。   In general, the automatic recovery function is: (1) failure detection (2) confirmation that the cause of failure is PM failure (3) power off of broken PM (4) recovery from spare PM (5) The virtual machine on the failed PM is moved to the recovery PM. (6) The process is realized by six processes (functions) for starting programs to be run on the virtual machine.

特開2015−176168号公報Japanese Patent Laying-Open No. 2015-176168

しかしながら、従来の監視及び復旧の技術では、主に以下の2つの課題が存在する。   However, in the conventional monitoring and recovery technique, there are mainly the following two problems.

第1に、PM間(又はPMと監視装置間)で定期的な情報収集を行って障害を検出するため、監視する仕組み(アクティブ監視)や誤検出の防止が必要となる。第2に、PMの故障(ハードウェア障害)やシステムのダウンを検出してからの処理であるため、障害を事前に検出して復旧を行うことができない。   First, since a failure is detected by periodically collecting information between PMs (or between PMs and monitoring devices), a monitoring mechanism (active monitoring) and prevention of false detection are required. Second, since the process is performed after a PM failure (hardware failure) or a system down is detected, the failure cannot be detected in advance and the recovery cannot be performed.

そのため、効率的に仮想化基盤を監視し、障害を検出できる監視装置、監視プログラム、及び監視方法が望まれている。   Therefore, a monitoring device, a monitoring program, and a monitoring method that can efficiently monitor the virtualization infrastructure and detect a failure are desired.

第1の本発明は、仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置であって、(1)前記第1の物理マシンから能動的に発信される障害を示す通知を受信する受信手段と、(2)前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定する判定手段と、(3)前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行う障害復旧手段とを有することを特徴とする。   The first aspect of the present invention monitors the failure of the first physical machine on which the virtual machine operates, and when a failure is detected, the virtual machine on the first physical machine is moved to the second physical machine to recover the failure. (1) receiving means for receiving a notification indicating a failure actively transmitted from the first physical machine; and (2) when a notification indicating the failure is received, Determination means for determining that a failure is a failure of the first physical machine based on a notification parameter indicating a failure and a failure condition registered in advance; and (3) the failure is determined by the determination means. If it is determined that the physical machine is faulty, it has fault recovery means for recovering the fault by moving the virtual machine on the first physical machine to the second physical machine.

第2の本発明の監視プログラムは、仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置に搭載されるコンピュータを、(1)前記第1の物理マシンから能動的に発信される障害を示す通知を受信する受信手段と、(2)前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定する判定手段と、(3)前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行う障害復旧手段として機能させることを特徴とする。   The monitoring program of the second aspect of the present invention monitors the failure of the first physical machine on which the virtual machine operates, and moves the virtual machine on the first physical machine to the second physical machine when the failure is detected. And (1) receiving means for receiving a notification indicating a failure actively transmitted from the first physical machine, and (2) a notification indicating the failure. When received, a determination unit that determines that the failure is a failure of the first physical machine based on a notification parameter indicating the failure and a failure condition registered in advance, and (3) by the determination unit, When it is determined that the failure is a failure of the first physical machine, the virtual machine on the first physical machine is moved to the second physical machine to function as a failure recovery unit that performs failure recovery. With features That.

第3の本発明は、仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置に使用する監視方法であって、受信手段、判定手段、及び障害復旧手段を有し、(1)前記受信手段は、前記第1の物理マシンから能動的に発信される障害を示す通知を受信し、(2)前記判定手段は、前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定し、(3)前記障害復旧手段は、前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行うことを特徴とする。   The third aspect of the present invention monitors the failure of the first physical machine on which the virtual machine operates, and when the failure is detected, the virtual machine on the first physical machine is moved to the second physical machine to recover the failure. A monitoring method for use in a monitoring device that performs reception, comprising: a receiving unit, a determining unit, and a failure recovery unit; (1) the receiving unit detects a fault actively transmitted from the first physical machine; (2) When the notification indicating the failure is received, the determination unit determines that the failure is based on a parameter of the notification indicating the failure and a failure condition registered in advance. (3) When the failure recovery unit determines that the failure is a failure of the first physical machine, the failure recovery unit determines whether the failure on the first physical machine is a virtual machine failure. Move the machine to the second physical machine And performing disaster recovery.

本発明によれば、効率的に仮想化基盤を監視し、障害を検出できる。   According to the present invention, it is possible to efficiently monitor a virtualization infrastructure and detect a failure.

実施形態に係る監視装置の機能的構成について示したブロック図である。It is the block diagram shown about the functional structure of the monitoring apparatus which concerns on embodiment. 実施形態に係る監視復旧システムの全体構成例を示すブロック図である。It is a block diagram which shows the example of whole structure of the monitoring recovery system which concerns on embodiment. 実施形態に係る障害条件の一例を示す図である。It is a figure which shows an example of the failure condition which concerns on embodiment. 実施形態に係る監視復旧システム(監視装置)の動作を示すフローチャートである。It is a flowchart which shows operation | movement of the monitoring recovery system (monitoring apparatus) which concerns on embodiment. 実施形態に係る監視装置が、障害の発生を検出したPM上で動作していた仮想マシンを復旧するイメージを示す図である。It is a figure which shows the image which the monitoring apparatus which concerns on embodiment restores the virtual machine which was operate | moving on PM which detected generation | occurrence | production of a failure. 実施形態に係るSNMPトラップの具体例を基に、図4の動作を説明する図である。It is a figure explaining the operation | movement of FIG. 4 based on the specific example of the SNMP trap which concerns on embodiment.

(A)主たる実施形態
以下では、本発明の監視装置、監視プログラム、及び監視方法の実施形態を、図面を参照しながら詳細に説明する。
(A) Main Embodiments Hereinafter, embodiments of a monitoring device, a monitoring program, and a monitoring method of the present invention will be described in detail with reference to the drawings.

(A−1)実施形態の構成
(A−1−1)全体構成
図2は、実施形態に係る監視復旧システムの全体構成例を示すブロック図である。
(A-1) Configuration of Embodiment (A-1-1) Overall Configuration FIG. 2 is a block diagram illustrating an example of the overall configuration of the monitoring and recovery system according to the embodiment.

図2において、監視復旧システム1は、監視装置2と、3台の物理マシン(PM)3(3−1〜3−3)とを有して構成される。勿論、PM3の数は、限定されるものでは無い。また、監視装置2及びPM3は、ネットワークNに接続している。ネットワークNの通信方式については限定されないものであるが、例えば、IP通信網等を適用することができる。なお、この実施形態では、監視装置2が、SNMP(Simple Network Management Protocol)プロトコルを用いて、監視対象であるPM3を監視する例を示すが、これに限定するものでは無く、種々様々なプロトコルを用いることができる。   In FIG. 2, the monitoring and recovery system 1 includes a monitoring device 2 and three physical machines (PM) 3 (3-1 to 3-3). Of course, the number of PM3 is not limited. In addition, the monitoring device 2 and PM3 are connected to the network N. Although the communication system of the network N is not limited, for example, an IP communication network or the like can be applied. In this embodiment, the monitoring device 2 uses the SNMP (Simple Network Management Protocol) protocol to monitor PM3 as a monitoring target. However, the present invention is not limited to this, and various protocols are used. Can be used.

監視装置2は、PM3(仮想環境を構成するハイパバイザー31を含む)の障害を示すSNMPトラップを監視し、障害を検出すると、予め設定された復旧動作を実行する。   The monitoring device 2 monitors an SNMP trap indicating a failure of the PM 3 (including the hypervisor 31 constituting the virtual environment), and executes a recovery operation set in advance when the failure is detected.

PM3は、コンピュータを仮想化した仮想マシン(VM)32を動作させて、ユーザに対して各種のサービスを提供する装置であり、例えば、サーバコンピュータである。PM3は、サーバ仮想化プログラムを実行することによって、ハイパバイザー31上で複数の仮想マシン32を動作させる。   The PM 3 is a device that operates a virtual machine (VM) 32 that virtualizes a computer and provides various services to a user, and is, for example, a server computer. The PM 3 operates a plurality of virtual machines 32 on the hypervisor 31 by executing a server virtualization program.

(A−1−2)監視装置2の詳細な構成
図1は、実施形態の監視装置の構成を示すブロック図である。
(A-1-2) Detailed Configuration of Monitoring Device 2 FIG. 1 is a block diagram showing the configuration of the monitoring device of the embodiment.

図1において、監視装置2は、トラップ受信部21及びPMヒーリング・自動復旧部22を有して構成される。   In FIG. 1, the monitoring device 2 includes a trap receiver 21 and a PM healing / automatic recovery unit 22.

トラップ受信部21は、監視対象であるPM3からのSNMPトラップを受信するものである。トラップ受信部21は、受信したSNMPトラップ情報をPMヒーリング・自動復旧部22に通知する。通知する情報は、例えば、SNMPトラップを識別する「トラップID」と、SNMPトラップで通知された詳細情報を示す「パラメータ」等である。   The trap receiver 21 receives an SNMP trap from the monitoring target PM3. The trap receiving unit 21 notifies the received SNMP trap information to the PM healing / automatic recovery unit 22. The information to be notified is, for example, “trap ID” for identifying the SNMP trap, “parameter” indicating the detailed information notified by the SNMP trap, and the like.

PMヒーリング・自動復旧部22は、実行条件判定部23、保守者通知部24及びVM復旧部25を有して構成される。   The PM healing / automatic recovery unit 22 includes an execution condition determination unit 23, a maintenance person notification unit 24, and a VM recovery unit 25.

実行条件判定部23は、トラップ受信部21から通知されたSNMPトラップ情報と、予め設定された自動復旧の実行条件(障害条件T)との比較判定を行う。図3は、実施形態に係る障害条件の一例を示す図である。図3において、障害条件Tは、SNMPトラップを識別するID(snmpTrap OID)を示す「トラップID」と、SNMPトラップに含まれるパラメータの内、条件判定に用いるパラメータの番号を示す「パラメータ番号」と、パラメータ番号の判定に用いる閾値を示す「閾値」と、閾値に対する判定を行う条件(一致、不一致、以上、未満)を示す「条件」と、単位時間あたりの発生回数を示す「発生回数」と、条件一致時に実行するアクション(自動復旧、停止、保守者通知等)を示す「アクション」の項目を有する。   The execution condition determination unit 23 performs comparison determination between the SNMP trap information notified from the trap reception unit 21 and a preset automatic recovery execution condition (failure condition T). FIG. 3 is a diagram illustrating an example of a failure condition according to the embodiment. In FIG. 3, the failure condition T includes a “trap ID” indicating an ID (snmpTrap OID) for identifying an SNMP trap, and a “parameter number” indicating a parameter number used for condition determination among parameters included in the SNMP trap. , “Threshold” indicating a threshold used for determination of the parameter number, “condition” indicating a condition (match, mismatch, above, less than) for determining the threshold, and “occurrence count” indicating the occurrence count per unit time In addition, it has an “action” item indicating an action (automatic recovery, stop, notification of maintenance personnel, etc.) to be executed when the conditions are matched.

実行条件判定部23は、受信したSNMPトラップ情報のトラップIDをキーとして、障害条件Tに合致するデータが存在するか否か探索する。例えば、通知されたトラップIDが0001の場合には、障害条件Tの1行目のデータ(「トラップID」の項目が0001のデータ)が合致するデータとなる。次に、実行条件判定部23は、受信したSNMPトラップ情報のパラメータ中、指定された箇所(「パラメータ番号」)の値を、「閾値」、「条件」、「発生回数」の項目に従って、比較する。例えば、受信したトラップIDが0001の場合には、受信したパラメータの内、2番目のパラメータの値が、閾値(100)と一致し、且つ同じ通知が30秒の内、10回発生していれば、障害と判定される。なお、図3の障害条件Tの内、2〜4行目のデータの「発生回数」は、設定されておらず、「閾値」と「条件」の項目のみによって判定される。また、変形例として、トラップIDが異なるSNMPトラップを複数受信した場合に、PM3の故障と判定しても良い。なお、図3に示す障害条件Tの設定は一例であって、判定を行うパラメータの番号(位置)、判定閾値、一致/不一致/大小などの比較条件は予め自由に設定することができる。   The execution condition determination unit 23 searches for data that matches the failure condition T using the trap ID of the received SNMP trap information as a key. For example, when the notified trap ID is 0001, the data in the first row of the failure condition T (data in which the item of “trap ID” is 0001) matches. Next, the execution condition determination unit 23 compares the value of the designated location (“parameter number”) among the parameters of the received SNMP trap information according to the items of “threshold value”, “condition”, and “occurrence number”. To do. For example, if the received trap ID is 0001, the value of the second parameter among the received parameters matches the threshold (100), and the same notification has occurred 10 times within 30 seconds. Is determined to be a failure. Note that the “occurrence number” of the data in the 2nd to 4th rows in the failure condition T in FIG. Further, as a modification, when a plurality of SNMP traps having different trap IDs are received, it may be determined that PM3 has failed. The setting of the failure condition T shown in FIG. 3 is merely an example, and comparison conditions such as the number (position) of the parameter to be determined, the determination threshold value, match / mismatch / magnitude can be freely set in advance.

実行条件判定部23によって、条件に合致したと判定されると、後述する保守者通知部24又はVM復旧部25によって、指定された「アクション」が実行される。   When the execution condition determination unit 23 determines that the condition is met, the maintenance person notification unit 24 or the VM recovery unit 25 described later executes the designated “action”.

保守者通知部24は、システムを管理する保守者に通知を行う機能部である。保守者への通知手段は種々様々な手段を用いることができるが、例えば、監視装置2の表示画面にPM3の故障(又は故障の兆候)が発生した旨を示す画面を表示しても良いし、保守者のコンピュータ、スマートフォン、タブレット端末等に障害内容を記載した電子メールを送信しても良い。   The maintenance person notification unit 24 is a functional unit that notifies a maintenance person who manages the system. A variety of means can be used as means for notifying the maintenance person. For example, a screen indicating that a failure (or sign of failure) of PM3 has occurred may be displayed on the display screen of the monitoring device 2. Alternatively, an e-mail describing the contents of the failure may be transmitted to the maintenance person's computer, smartphone, tablet terminal, or the like.

VM復旧部25は、障害が起きたPM3上で動作していたVM32の復旧処理を行う機能部である。VM復旧部25の復旧処理についてはAPI(Application Programming Interface)を利用して実行されるが、詳細については、後述する動作の項で述べる。   The VM recovery unit 25 is a functional unit that performs recovery processing of the VM 32 that was operating on the PM 3 in which a failure has occurred. The recovery process of the VM recovery unit 25 is executed using an API (Application Programming Interface), and details will be described in the operation section described later.

(A−2)実施形態の動作
次に、以上のような構成を有する実施形態の監視復旧システム1の動作を説明する。
(A-2) Operation | movement of embodiment Next, operation | movement of the monitoring recovery system 1 of embodiment which has the above structures is demonstrated.

図4は、実施形態に係る監視復旧システム(監視装置)の動作を示すフローチャートである。   FIG. 4 is a flowchart showing the operation of the monitoring and recovery system (monitoring device) according to the embodiment.

監視装置2(トラップ受信部21)は、PMマシン3(図2の例では、PMマシン3−2)からSNMPトラップを受信すると、受信したSNMPトラップの情報(トラップIDと、パラメータ等)を、PMヒーリング・自動復旧部22(実行条件判定部23)に通知する(S101)。   When the monitoring device 2 (trap receiving unit 21) receives the SNMP trap from the PM machine 3 (PM machine 3-2 in the example of FIG. 2), the received SNMP trap information (trap ID, parameters, etc.) The PM healing / automatic recovery unit 22 (execution condition determination unit 23) is notified (S101).

PMヒーリング・自動復旧部22(実行条件判定部23)は、受信したSNMPトラップ(トラップID)が、障害条件Tに含まれているか探索する(S102)。実行条件判定部23は、トラップIDが障害条件Tに含まれていれば、次の処理を行い、含まれていなければ、判定処理を終了する。   The PM healing / automatic recovery unit 22 (execution condition determination unit 23) searches whether the received SNMP trap (trap ID) is included in the failure condition T (S102). The execution condition determination unit 23 performs the next process if the trap ID is included in the failure condition T, and ends the determination process if the trap ID is not included.

実行条件判定部23は、受信したSNMPのパラメータの数が、障害条件Tのパラメータ番号(トラップIDをキーとして探索したデータのパラメータ番号)以上か否か判定する(言い換えれば、障害条件のパラメータ番号に対応する受信パラメータが存在するか否か判定する)(S103)。実行条件判定部23は、受信したSNMPのパラメータの数が、障害条件Tのパラメータ番号以上であれば、次の処理を行い、条件を満たさなければ、判定処理を終了する。   The execution condition determination unit 23 determines whether or not the number of received SNMP parameters is equal to or greater than the parameter number of the failure condition T (parameter number of data searched using the trap ID as a key) (in other words, the parameter number of the failure condition) (S103). The execution condition determination unit 23 performs the following process when the number of received SNMP parameters is equal to or greater than the parameter number of the failure condition T, and ends the determination process when the condition is not satisfied.

実行条件判定部23は、障害条件Tの該当データのパラメータ番号に対応する(位置する)受信トラップのパラメータが、障害条件Tの閾値及び条件に合致するか否か判定する(S104)。実行条件判定部23は、該当位置の受信パラメータが障害条件Tの閾値及び条件に合致すれば、次の処理を行い、合致しなければ、判定処理を終了する。   The execution condition determination unit 23 determines whether or not the received trap parameter corresponding to (positioned to) the parameter number of the corresponding data of the failure condition T matches the threshold and the condition of the failure condition T (S104). The execution condition determination unit 23 performs the following process if the reception parameter at the corresponding position matches the threshold value and the condition of the failure condition T, and ends the determination process if it does not match.

実行条件判定部23は、障害条件Tの該当データに発生回数が設定されているか判定する(S105)。実行条件判定部23は、障害条件Tの該当データに発生回数が設定されていれば、次の処理を行い、設定されていなければ、後述するステップS108の処理を実行する。   The execution condition determination unit 23 determines whether the number of occurrences is set in the corresponding data of the failure condition T (S105). The execution condition determination unit 23 performs the next process if the number of occurrences is set in the corresponding data of the failure condition T, and executes the process of step S108 described later if not set.

実行条件判定部23は、障害発生の回数を更新する(S106)。なお、障害発生の回数の管理の仕方は限定されないものであるが、例えば、実行条件判定部23は、PM3(3−1〜3−3)毎に所定のトラップIDの障害発生回数を、単位時間あたりにカウントするカウンタにより管理しても良い。   The execution condition determination unit 23 updates the number of failure occurrences (S106). Although the method of managing the number of occurrences of failures is not limited, for example, the execution condition determining unit 23 determines the number of failure occurrences of a predetermined trap ID for each PM3 (3-1 to 3-3) as a unit. You may manage by the counter which counts per time.

実行条件判定部23は、先述のステップS106の処理により更新された障害発生の回数が、障害条件Tの該当データの発生回数と合致するか否か判定する(S107)。実行条件判定部23は、障害条件Tの該当データに合致されていれば、次の処理(ステップS108の処理)を行い、合致しなければ、処理を終了する。   The execution condition determination unit 23 determines whether or not the number of occurrences of the failure updated by the processing in step S106 described above matches the number of occurrences of the corresponding data in the failure condition T (S107). The execution condition determination unit 23 performs the next process (the process of step S108) if it matches the corresponding data of the failure condition T, and ends the process if it does not match.

PMヒーリング・自動復旧部22(保守者通知部24、VM復旧部25)は、最終的に障害条件に合致したと判定されると(障害を検出したとされると)、障害条件Tの該当データに係るアクションを実行する(S108)。例えば、障害条件Tの該当データのアクションがVM復旧だった場合には、VM復旧部25は、自動復旧処理を行う。図5は、実施形態に係る監視装置が、障害の発生を検出したPM上で動作していた仮想マシンを復旧するイメージを示す図である。まず、VM復旧部25は、PMサービス停止APIを起動して、障害の発生を検出したPM3−2の電源を切断する。次に、VM復旧部25は、仮想マシン復旧APIを起動して、故障したPM3−2上の仮想マシン(VM#3、VM#4)を、復旧用PM3−3に移動する(例えば、ストレージングデバイスに記憶されたVM#3、VM#4のバックアップデータをコピーする)。そして、VM復旧部25は、仮想マシン起動APIを起動して、VM上で稼働するべきプログラム類の起動を行う(運用系の状態にする)。   When the PM healing / automatic recovery unit 22 (maintenance person notification unit 24, VM recovery unit 25) finally determines that the failure condition is met (when a failure is detected), the failure condition T is met. An action related to the data is executed (S108). For example, if the action of the corresponding data in the failure condition T is VM recovery, the VM recovery unit 25 performs automatic recovery processing. FIG. 5 is a diagram illustrating an image in which the monitoring apparatus according to the embodiment restores the virtual machine that was operating on the PM that has detected the occurrence of the failure. First, the VM recovery unit 25 activates the PM service stop API, and cuts off the power of the PM 3-2 that has detected the occurrence of a failure. Next, the VM recovery unit 25 activates the virtual machine recovery API and moves the virtual machines (VM # 3, VM # 4) on the failed PM 3-2 to the recovery PM 3-3 (for example, storage The backup data of VM # 3 and VM # 4 stored in the storage device is copied). Then, the VM restoration unit 25 activates the virtual machine activation API, and activates programs to be operated on the VM (sets to an active state).

図6は、実施形態に係るSNMPトラップの具体例を基に、図4の動作を説明する図である。図6(A)は、PM3−2から受信したトラップ情報の具体例を示す図である。また、図6(B)は、先述の障害条件Tを示す図である。監視装置2(実行条件判定部23)は、PM3−2から図6(A)のSNMPトラップを受信すると、トラップIDが「0001」であるので、障害条件Tの先頭データがヒットする(S102)。実行条件判定部23は、ヒットした先頭データのパラメータ番号である「2」と、受信したSNMPトラップのパラメータ数(2)とを比較して、2番目のパラメータが存在することを判定する(S103)。実行条件判定部23は、受信したSNMPトラップの2番目のパラメータ値(2)が閾値(100)と一致することを判定する(S104)。実行条件判定部23は、障害条件Tの先頭データには発生回数が設定されていることを判定する(S105)。発生回数の条件が満たされいれば(S106)、先に説明した通り、VM復旧部25が自動復旧処理を行う(S108)。   FIG. 6 is a diagram illustrating the operation of FIG. 4 based on a specific example of the SNMP trap according to the embodiment. FIG. 6A is a diagram illustrating a specific example of trap information received from PM 3-2. FIG. 6B is a diagram illustrating the failure condition T described above. When the monitoring device 2 (execution condition determination unit 23) receives the SNMP trap of FIG. 6A from PM 3-2, the trap ID is “0001”, and therefore the top data of the failure condition T is hit (S102). . The execution condition determination unit 23 compares “2”, which is the parameter number of the first data hit, with the number of parameters (2) of the received SNMP trap, and determines that the second parameter exists (S103). ). The execution condition determination unit 23 determines that the second parameter value (2) of the received SNMP trap matches the threshold value (100) (S104). The execution condition determination unit 23 determines that the number of occurrences is set in the top data of the failure condition T (S105). If the condition for the number of occurrences is satisfied (S106), as described above, the VM recovery unit 25 performs an automatic recovery process (S108).

(A−3)実施形態の効果
この実施形態によれば、以下のような効果を奏することができる。
(A-3) Effects of Embodiment According to this embodiment, the following effects can be achieved.

監視装置2側からの定期的な監視が不要となり、パッシブ型の監視が可能となった。また、障害監視には、汎用的なSNMPトラップを監視及び故障検出に使用することで、ハイパバイザーに特化した監視機能を独自に持つ必要がなくなった。さらに、PMヒーリング・自動復旧部22は、SNMPトラップに含まれるパラメータ(詳細内容)についても評価を行う対象とすることで、確実な障害検出を行い、誤検出を防止することができる。なお、評価を行う条件(障害条件T)は、ユーザが自由に予め設定できるため、環境や提供するサービスに応じた監視を行うことができる。   Periodic monitoring from the monitoring device 2 side is unnecessary, and passive monitoring is possible. In addition, the fault monitoring eliminates the need for having a monitoring function specialized for the hypervisor by using a general-purpose SNMP trap for monitoring and fault detection. Furthermore, the PM healing / automatic restoration unit 22 can perform reliable failure detection and prevent erroneous detection by setting the parameters (detailed contents) included in the SNMP trap to be evaluated. In addition, since the conditions (failure condition T) for performing the evaluation can be set in advance by the user, monitoring according to the environment and the service to be provided can be performed.

PMヒーリング・自動復旧部22が、SNMPトラップ単位の監視とパラメータの判定を行うことで、細かいアクションの設定ができる。例えば、通知内容が致命的障害ではないが、予防が必要な障害については、発生頻度などの条件を登録することでアクションを行うことができる。実行するアクション自体についても、自動復旧、停止、通知等の中からユーザが自由に設定することができる。   The PM healing / automatic recovery unit 22 can perform detailed settings of actions by monitoring SNMP trap units and determining parameters. For example, for a failure whose notification content is not a fatal failure but needs to be prevented, an action can be performed by registering conditions such as the occurrence frequency. The action to be executed can be set freely by the user from among automatic recovery, stop, and notification.

そして、この実施形態では、先述の図5で説明した通り、監視装置2が、VMを復旧する処理をAPIとして提供することにより、仮想環境独自の仕様に依存しないで、障害が発生したPMを停止したり、停止したPM上のVMを復旧用のPMに移動したり、VMの復旧処理が行えることになった。   In this embodiment, as described with reference to FIG. 5 above, the monitoring device 2 provides the processing for restoring the VM as an API, so that the failed PM can be determined without depending on the specifications unique to the virtual environment. It is possible to stop, move the VM on the stopped PM to a recovery PM, or perform VM recovery processing.

1…監視復旧システム、2…監視装置、3…物理マシン、21…トラップ受信部、22…自動復旧部、23…実行条件判定部、24…保守者通知部、25…VM復旧部、31…ハイパバイザー、32…仮想マシン、N…ネットワーク、T…障害条件。
DESCRIPTION OF SYMBOLS 1 ... Monitoring recovery system, 2 ... Monitoring apparatus, 3 ... Physical machine, 21 ... Trap receiving part, 22 ... Automatic recovery part, 23 ... Execution condition determination part, 24 ... Maintenance person notification part, 25 ... VM recovery part, 31 ... Hypervisor, 32 ... virtual machine, N ... network, T ... failure condition.

Claims (5)

仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置であって、
前記第1の物理マシンから能動的に発信される障害を示す通知を受信する受信手段と、
前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定する判定手段と、
前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行う障害復旧手段と
を有することを特徴とする監視装置。
A monitoring device that monitors a failure of a first physical machine on which a virtual machine operates and detects a failure, moves the virtual machine on the first physical machine to a second physical machine and performs failure recovery. ,
Receiving means for receiving a notification indicating a failure actively transmitted from the first physical machine;
When a notification indicating the failure is received, a determination unit that determines that the failure is a failure of the first physical machine based on a notification parameter indicating the failure and a failure condition registered in advance.
If the determination unit determines that the failure is a failure of the first physical machine, the failure recovery is performed by moving the virtual machine on the first physical machine to the second physical machine and recovering the failure. And a monitoring device.
前記能動的に発信される障害を示す通知は、SNMPトラップであり、
前記障害条件は、SNMPトラップの種別毎に、少なくとも、前記障害を示す通知のパラメータと比較する閾値が設定されていることを特徴とする請求項1に記載の監視装置。
The notification indicating the actively transmitted failure is an SNMP trap;
The monitoring apparatus according to claim 1, wherein the failure condition has at least a threshold value to be compared with a notification parameter indicating the failure for each SNMP trap type.
前記障害復旧手段は、APIを利用して構成されることを特徴とする請求項1又は2に記載の監視装置。   The monitoring apparatus according to claim 1, wherein the failure recovery unit is configured using an API. 仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置に搭載されるコンピュータを、
前記第1の物理マシンから能動的に発信される障害を示す通知を受信する受信手段と、
前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定する判定手段と、
前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行う障害復旧手段と
して機能させることを特徴とする監視プログラム。
It is mounted on a monitoring device that monitors the failure of the first physical machine on which the virtual machine operates and detects a failure, moves the virtual machine on the first physical machine to the second physical machine and recovers from the failure. Computer
Receiving means for receiving a notification indicating a failure actively transmitted from the first physical machine;
When a notification indicating the failure is received, a determination unit that determines that the failure is a failure of the first physical machine based on a notification parameter indicating the failure and a failure condition registered in advance.
If the determination unit determines that the failure is a failure of the first physical machine, the failure recovery is performed by moving the virtual machine on the first physical machine to the second physical machine and recovering the failure. A monitoring program characterized by functioning as a means.
仮想マシンが動作する第1の物理マシンの障害を監視し、障害を検出すると、前記第1の物理マシン上の仮想マシンを第2の物理マシンに移動させて障害復旧を行う監視装置に使用する監視方法であって、
受信手段、判定手段、及び障害復旧手段を有し、
前記受信手段は、前記第1の物理マシンから能動的に発信される障害を示す通知を受信し、
前記判定手段は、前記障害を示す通知が受信されると、前記障害を示す通知のパラメータと、予め登録された障害条件とに基づいて、障害が前記第1の物理マシンの故障と判定し、
前記障害復旧手段は、前記判定手段により、障害が前記第1の物理マシンの故障であると判定されると、前記第1の物理マシン上の仮想マシンを前記第2の物理マシンに移動させて障害復旧を行う
ことを特徴とする監視方法。
The failure of the first physical machine on which the virtual machine operates is monitored, and when a failure is detected, the virtual machine on the first physical machine is moved to the second physical machine and used for a monitoring apparatus that performs failure recovery. A monitoring method,
Having a receiving means, a judging means, and a failure recovery means,
The receiving means receives a notification indicating a failure actively transmitted from the first physical machine;
When the notification indicating the failure is received, the determination unit determines that the failure is a failure of the first physical machine based on a notification parameter indicating the failure and a failure condition registered in advance.
When the determination unit determines that the failure is a failure of the first physical machine, the failure recovery unit moves the virtual machine on the first physical machine to the second physical machine. A monitoring method characterized by performing failure recovery.
JP2016222342A 2016-11-15 2016-11-15 Monitoring equipment, monitoring programs, and monitoring methods Active JP6984119B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016222342A JP6984119B2 (en) 2016-11-15 2016-11-15 Monitoring equipment, monitoring programs, and monitoring methods

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016222342A JP6984119B2 (en) 2016-11-15 2016-11-15 Monitoring equipment, monitoring programs, and monitoring methods

Publications (2)

Publication Number Publication Date
JP2018081428A true JP2018081428A (en) 2018-05-24
JP6984119B2 JP6984119B2 (en) 2021-12-17

Family

ID=62198088

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016222342A Active JP6984119B2 (en) 2016-11-15 2016-11-15 Monitoring equipment, monitoring programs, and monitoring methods

Country Status (1)

Country Link
JP (1) JP6984119B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043592A (en) * 2019-09-09 2021-03-18 富士ゼロックス株式会社 Information processing system
CN114118991A (en) * 2021-11-12 2022-03-01 百果园技术(新加坡)有限公司 Third-party system monitoring system, method, device, equipment and storage medium

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053728A (en) * 2004-08-11 2006-02-23 Nec Corp Failure handling rule propagation method, failure restoration device and program
WO2011101887A1 (en) * 2010-02-16 2011-08-25 株式会社日立製作所 Management system and method of controlling management system
JP2014067089A (en) * 2012-09-24 2014-04-17 Nec Corp Distributed system, server computer, distributed management server and failure occurrence prevention method
JP2014075027A (en) * 2012-10-04 2014-04-24 Nippon Telegr & Teleph Corp <Ntt> Virtual machine arrangement device and virtual machine arrangement method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053728A (en) * 2004-08-11 2006-02-23 Nec Corp Failure handling rule propagation method, failure restoration device and program
WO2011101887A1 (en) * 2010-02-16 2011-08-25 株式会社日立製作所 Management system and method of controlling management system
JP2014067089A (en) * 2012-09-24 2014-04-17 Nec Corp Distributed system, server computer, distributed management server and failure occurrence prevention method
JP2014075027A (en) * 2012-10-04 2014-04-24 Nippon Telegr & Teleph Corp <Ntt> Virtual machine arrangement device and virtual machine arrangement method

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043592A (en) * 2019-09-09 2021-03-18 富士ゼロックス株式会社 Information processing system
JP7423942B2 (en) 2019-09-09 2024-01-30 富士フイルムビジネスイノベーション株式会社 information processing system
CN114118991A (en) * 2021-11-12 2022-03-01 百果园技术(新加坡)有限公司 Third-party system monitoring system, method, device, equipment and storage medium

Also Published As

Publication number Publication date
JP6984119B2 (en) 2021-12-17

Similar Documents

Publication Publication Date Title
TWI746512B (en) Physical machine fault classification processing method and device, and virtual machine recovery method and system
US9483368B2 (en) Method, apparatus, and system for handling virtual machine internal fault
CN103685459B (en) Distributed system, server computer, distributed management server and failure prevention method
US9841986B2 (en) Policy based application monitoring in virtualized environment
CN111953566B (en) Distributed fault monitoring-based method and virtual machine high-availability system
US10924538B2 (en) Systems and methods of monitoring software application processes
EP3724761B1 (en) Failure handling in a cloud environment
CN102231681A (en) High availability cluster computer system and fault treatment method thereof
CN106330523A (en) Cluster server disaster recovery system and method, and server node
CN105095008B (en) A kind of distributed task scheduling fault redundance method suitable for group system
CN103067209B (en) A kind of heartbeat module self-sensing method
CN110618864A (en) Interrupt task recovery method and device
CN109783311A (en) Monitor processing method, device, equipment and the readable storage medium storing program for executing of breakpoint behavior
CN111212127A (en) Storage cluster, service data maintenance method, device and storage medium
US20170083397A1 (en) System and method for self-healing a database server in a cluster
JP5558279B2 (en) MONITORING / CONTROL SYSTEM, MONITORING / CONTROL DEVICE USED FOR SAME, AND MONITORING / CONTROL METHOD
JP6421516B2 (en) Server device, redundant server system, information takeover program, and information takeover method
JP2018081428A (en) Monitoring apparatus, monitoring program, and monitoring method
CN102231124B (en) A kind of guard method of tasks of embedded system
CN108039956A (en) Using monitoring method, system and computer-readable recording medium
Leangsuksun et al. A failure predictive and policy-based high availability strategy for linux high performance computing cluster
CN114880080B (en) High-availability method of virtual machine and computing cluster
CN108154343B (en) Emergency processing method and system for enterprise-level information system
Singh et al. Using host criticalities for fault tolerance in mobile agent systems
CN115712521A (en) Cluster node fault processing method, system and medium

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190815

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200728

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201013

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201211

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210427

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210625

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211026

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211108

R150 Certificate of patent or registration of utility model

Ref document number: 6984119

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150